[[264479]]

人工智能(AI)在人們的日常工作和生活中日益普及，而且企業越來越依賴于人工智能來完成一系列任務，因此IT團隊實施人工智能面臨的風險越來越高。其實施成功與否的后果可能是深遠的。如果沒有正確實施，人工智能可能帶來更多的偏見，以及許多其他的破壞性后果。

隨著對人工智能越來越強烈的需求，以及圍繞人工智能應用的大肆宣傳和炒作，人們很容易將注意力集中在技術和編碼上，也就是“人工”方面。然而，數字連接世界的“智能”方面不可能存在，更不用說提供的功能，因為沒有數據。盡管大多數管理人員、業務人員、IT人員都熟悉業務模型的人員、流程和技術能力，但他們不會流利地“講述數據”。然而，數據是人工智能實施過程的基石之一。

為了正確地實施人工智能，組織必須提倡數據素養成為人工智能創建者和消費者的新核心能力。負責實施人工智能計劃的信息官們被建議遵循三個步驟：正確構建人工智能、正確使用人工智能、正確保持人工智能。

正確構建人工智能

在試圖“正確構建人工智能”之前，必須首先建立人工智能的基本詞匯，人工智能是“講述數據”的人員使用的一種技術方言。信息官至少應確定用于描述人工智能系統或解決方案的主要術語、開發解決方案的原因，以及與解決方案中使用和從解決方案中收集的不同類型數據相關的其他關鍵術語。

除了模型和算法，數據是實施任何人工智能過程的基礎。采用人工智能將消耗并產生數據。人工智能數據設計需要企業對人工智能算法將解析的數據集進行理解和處理。信息官和數據和分析主管將負責建立和維護人工智能的數據管理。要想取得成功，在整個過程中開發數據管理專業知識至關重要。

正確使用人工智能

無論計劃的范圍或組織的成熟程度如何，IT語言障礙都可以在本地或系統地存在。解決障礙需要轉變思維方式，以及有意識的承認和干預“正確的路線”。雖然有些人可能已經意識到數據在業務轉型中所起的基礎作用，但大多數人都沒有認識到。因此，需要熟練的領導和有目的變革管理學科，首先要承認信息是數字革命的新方言。

數據素養是在場景中讀取、寫入和傳遞數據的能力。它包括對數據源和結構的理解、應用的分析方法和技術，以及描述用例、應用程序和結果值的能力。它是數字靈活性的基礎組成部分，是員工利用現有和新興技術推動更好業務成果的能力和愿望。

隨著組織越來越受到數據驅動，數據素養不足將成為增長的抑制因素。為了提高整個組織的數據素養，信息官應制定數據素養計劃，實施以下步驟：

采用熟練掌握數據語言的人員。流利表達數據語言的人員應該精通描述場景化的用例和結果，應用于他們的分析技術，以及所涉及的基礎數據源、實體和關鍵屬性。

采用熟練的翻譯人員。IT信息的翻譯人員通常是企業數據或信息架構師、數據科學家、信息管理員或相關的程序管理人員。

確定數據和分析計劃的有效性受到溝通障礙阻礙的關鍵領域。特別注意業務IT差距、數據分析差距，以及資深人士與新手的差距。

積極傾聽未明確表達的業務成果。了解哪些業務時刻可以通過增強的數據和分析功能實現，哪些運營決策正在改進等問題

確定需要專業翻譯的關鍵利益相關者。為了評估數據素養水平，要求關鍵利益相關者在業務成果方面闡明數據作為戰略資產的價值，包括增強業務時刻、貨幣化和風險緩解。

編譯并維護關鍵詞和短語列表。讓數據和分析團隊確定更好地表達這些短語的方法。

正確保持人工智能

通過所有人工智能解決方案，出現了“良好人工智能”和“糟糕人工智能”的概念。但是，這些術語沒有單一或全面的定義。不同方面的選擇可能會產生重大影響。即使是最成功的公司也應該避免陷入錯誤的安全感，因為他們相信自己不會受到涉及人工智能道德失誤的影響。需要進行廣泛而專注的討論，以辨別公司可能面臨不同類型的道德問題和困境，以及可能采取的實際道德立場。信息官應該應用數字倫理和數字連接主義來指導和明確在采用人工智能的業務決策和選擇

應考慮以下步驟：

展望更廣闊的前景，將數字倫理和數字連接主義作為改善數字業務(以及更廣泛意義上的數字社會)的理念。數字社會是由數字公民之間的互動而形成的。它不是按本身設計的，而是有機地出現的。

積極尋求與人工智能數據使用相關的道德案例研究，因為企業很少面臨新的道德問題。其機會包括競爭差異化和價值主張，而其風險包括聲譽風險、監管問題、財務損失。

使用人工智能算法和數據交換作為數字交互的推動者，并作為使利益相關者能夠參與生態系統的一種方式，而不是作為特定的過程控制。企業需要鼓勵在人工智能環境中貢獻數據的人員成為互利生態系統的積極參與者。